美联4+；python:string返回'；无'；

我试图用BeautifulSoup4和Python2.7.6解析一些html，但是字符串返回“None”。我试图解析的HTML是：

<div class="booker-booking">
    2&nbsp;rooms
    &#0183;
    USD&nbsp;0
    <!-- Commission: USD  -->
</div>

我还尝试了以下两种方法：

data = soup.find('div', class_='booker-booking').text
data = soup.find('div', class_='booker-booking').contents[0]

两者都返回：

u'\n\t\t2\xa0rooms \n\t\t\xb7\n\t\tUSD\xa00\n\t\t\n

---

我最终尝试将第一行放入一个变量中，只说“2个房间”，将第三行放入另一个变量中，只说“USD 0”。

完成

data=soup.find（'div'，class='booker-booking'）。text

您已经从HTML中提取了所需的数据。现在，您只需将其格式化为“2个房间”和“0美元”。第一步可能是按行拆分数据：

import string
lines = string.split(data, '\n')

这将给出

[u'，u'\t\t2\xa0rooms'，u'\t\xb7'，u'\t\tUSD\xa00'，u'\t\t'，u']

现在，您需要去掉空白，取消html字符的scape，并删除没有数据的行：

import HTMLParser
h = HTMLParser.HTMLParser()
formatted_lines =  [string.strip(h.unescape(line)) for line in lines if len(line) > 3]

您将得到所需的数据：

print formatted_lines[0]
#2 rooms
print formatted_lines[1]
#USD 0

---

.string

返回

None

，因为文本节点不是唯一的子节点（有注释）

要删除Unicode空格，请执行以下操作：

text = " ".join(text.split())
# -> u'2 rooms \xb7 USD 0'
print text
# -> 2 rooms · USD 0

要获取最终变量，请执行以下操作：

var1, var2 = [s.strip() for s in text.split(u"\xb7")]
# -> u'2 rooms', u'USD 0'

---

“class”之后应该有“uu”吗？而且，我没有看到任何“None”在这里被返回……是的。这是beautifulsoup如何识别DIV类，而不是python认为它是python类。那么soup.find（DIV，{“class”：“booker booking”}）呢？也返回“None”。但您说它们返回u'\n\t\t2\xa0rooms\n\t\t\xb7\n\t\tUSD\xa00\n\t\t\n'，这是一个unicode字符串。。。

text = " ".join(text.split())
# -> u'2 rooms \xb7 USD 0'
print text
# -> 2 rooms · USD 0

var1, var2 = [s.strip() for s in text.split(u"\xb7")]
# -> u'2 rooms', u'USD 0'